Рейтинг Комбинированный x Неверный ответ

Посмотрите, какие AI-модели чаще всего сталкиваются с Неверный ответ в Комбинированный, чтобы быстрее находить слабые места.

Показано моделей

Всего сбоев

Наиболее затронутая модель

Причины сбоев

Недопустимый вызов инструмента91 Неверный ответ68 Нет ответа29 Ошибка API26 Тайм-аут5 Лишнее форматирование1 Не соблюдены инструкции1

Категории

Предметно-ориентированное412 Анти-ИИ уловки293 Программирование252 Решение головоломок201 Эрудиция168 Комбинированный68 Следование инструкциям61 Общий интеллект59 Парсинг и извлечение данных41 Вызов инструментов3

63/63

Ранг	Модель	Компания	Количество Неверный ответ	Оценка категории	Общая стоимость	Тестов верно	Время ответа (среднее)
#200	MiMo-V2-Flash none	Xiaomi	1	1.5	$0.025	0/1	2.87s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.025 Время ответа (среднее) 2.87s
#203	Grok 4.1 Fast none	X AI	1	1.5	$0.008	0/1	3.33s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.008 Время ответа (среднее) 3.33s
#205	Laguna Xs.2 none	Poolside	1	1.5	$0.004	0/1	2.01s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.004 Время ответа (среднее) 2.01s

←

1 2 3 4 5

Фильтровать модели